Fugu-MT 論文翻訳(概要): Performance analysis of greedy algorithms for minimising a Maximum Mean Discrepancy

論文の概要: Performance analysis of greedy algorithms for minimising a Maximum Mean Discrepancy

arxiv url: http://arxiv.org/abs/2101.07564v1
Date: Tue, 19 Jan 2021 11:18:51 GMT
ステータス: 処理完了
システム内更新日: 2021-03-23 04:21:18.550481
Title: Performance analysis of greedy algorithms for minimising a Maximum Mean Discrepancy
Title（参考訳）: 最大平均差最小化のためのグリードアルゴリズムの性能解析
Authors: Luc Pronzato
Abstract要約: MMDによって測定された有限サンプルサイズ近似誤差はSBQに対して1/n$まで減少することを示す。近似誤差の上限はSBQより若干優れているが、他の手法の方がはるかに高速である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We analyse the performance of several iterative algorithms for the quantisation of a probability measure $\mu$, based on the minimisation of a Maximum Mean Discrepancy (MMD). Our analysis includes kernel herding, greedy MMD minimisation and Sequential Bayesian Quadrature (SBQ). We show that the finite-sample-size approximation error, measured by the MMD, decreases as $1/n$ for SBQ and also for kernel herding and greedy MMD minimisation when using a suitable step-size sequence. The upper bound on the approximation error is slightly better for SBQ, but the other methods are significantly faster, with a computational cost that increases only linearly with the number of points selected. This is illustrated by two numerical examples, with the target measure $\mu$ being uniform (a space-filling design application) and with $\mu$ a Gaussian mixture.
Abstract（参考訳）: 我々は,最大平均離散性(MMD)の最小化に基づいて,確率測度$\mu$の量子化のための複数の反復アルゴリズムの性能を解析する。我々の分析では、カーネルハーディング、greedy MMD最小化、Sequential Bayesian Quadrature (SBQ)がある。 MMDが測定した有限サンプルサイズ近似誤差はSBQに対して1/n$と減少し,また,ステップサイズシーケンスを使用する場合のカーネルハーディングやグリーディーMDDの最小化にも有効であることを示す。近似誤差の上界はsbqより若干優れているが、他の手法の方がかなり高速であり、計算コストは選択した点数で線形に増加するだけである。これは2つの数値的な例で示され、目標測度 $\mu$ は一様(空間充填設計のアプリケーション)であり、$\mu$ はガウス混合である。